|
שלום לכולם,
אחד התהליכים המעניינים שראינו בשנים האחרונות בקרב ארגונים גדולים בישראל הוא האצה ואינטנסיביות רבה יותר בהשקעה בדאטה ואנליטיקה - אבל לא תמיד בדרך מספיק מתוכננת ומסודרת.
כשפרצה הקורונה, חברות גדולות כמו בנקים, חברות ביטוח, חברות כרטיסי אשראי, רשתות שיווק קמעונאיות וחברות אחרות שמפעילות מרכזי שירות, נאלצו להגיב "מעכשיו לעכשיו" לשינויים כמו האצה דיגיטלית, אפשרויות שירות עצמי, שיפור חוויית לקוח או משלוחים. כתוצאה מכך הן האיצו תהליכים בתחום הדאטה והאנליטיקה שהחלו לפני הקורונה וביצעו השקעות גדולות, גייסו אנשים, הקימו יחידות חדשות, הקימו תשתיות ופיתחו פתרונות שנתנו מענה מיידי לצרכים שיצרה המציאות החדשה של הקורונה.
בעקבות הקורונה נעשתה גם במרבית הארגונים חשיבה מחודשת בראיה אסטרטגית על מקום הדאטה בארגון. אלא שבקרב רבים מאותם ארגונים גדולים, למשל בתחומים כמו פיננסים וקמעונאות, השתרשה התפיסה שבתחום ה-AI יש לא מעט סיכון ואולי אפילו הימור. פרויקטים של AI נתפסים כגדולים, מורכבים וארוכים, דורשים השקעה עצומה - וגם מועדים לכישלון בהסתברות לא מבוטלת. כמי שעובדים גם עם ארגונים גדולים וגם עם חברות סטארטאפ, אנחנו רוצים להציע דרך הסתכלות אחרת, הלקוחה מעולם הסטארטאפים.
כדי לגייס כסף, סטארטאפים נדרשים להוכיח היתכנות ולהציג משהו ראשוני עובד תוך זמן קצר. מה הם עושים? מפתחים בזריזות דמו או אבטיפוס שמאפשר למשקיע להתרשם מהיכולת ולקבל החלטה האם להתקדם עם ההשקעה. את אותה שיטה אנחנו ב-BIyond מציעים גם לארגונים הגדולים איתם אנחנו עובדים. כחברה קטנה, זריזה וגמישה שעובדת פרויקטלית, יש לנו את המומחיות והניסיון לפתח פתרון קטן ומהיר שעל בסיסו ניתן לקבל החלטות ולהתקדם.
אנחנו יודעים שכדי לצמצם סיכונים חברות מעדיפות לעתים למצוא פתרונות שכבר עובדים ומוכחים, אבל הבעיה היא שעם AI, לא ניתן לעשות "העתק הדבק" מארגון אחד לאחר. פתרון AI שעובד ומביא ערך עסקי אמיתי, צריך להתבסס על הדאטה הייחודי של הארגון ולתת מענה לשאלות העסקיות הייחודיות שלו. מסיבה זו, גם יוזמות פנים ארגוניות שמגיעות מאנשי הדאטה לאו דווקא עונות על השאלות העסקיות הרלוונטיות ומביאות ערך. נדרש שילוב של ידע בעולמות הדאטה עם ידע וניסיון עסקי מגוון, ניסיון שמאוד קשה היום למצוא ולגייס בגלל נהירת הטאלנטים להייטק.
שיטת ה-Prototype (אב טיפוס) שבה אנחנו עובדים עם סטארטאפים, מאפשרת גם לארגונים מסורתיים יותר להתקדם לעולמות ה-AI תוך צמצום ההשקעה, הסיכון ולוחות הזמנים. אב טיפוס של AI מאפשר לכל ארגון להתנסות ביישום פרויקט קטן, מתקדם, זריז ואג'ילי, בדיוק כמו בסטארטאפ. ה-Prototype יכול להיות מבוסס על פתרונות שכבר נוסו בהצלחה בארגונים אחרים, אך הוא מותאם ונתפר לצורך ולייחוד הספציפי של הארגון. המשתמשים בארגון זוכים להתנסות במערכת החדשה, ומקבלי ההחלטות יכולים לראות מה בפועל הם מפיקים מה-AI, ולקבל החלטות על תוכניות גדולות יותר אחרי שהשתכנעו.
רוצה לבדוק אם שיטת ה-Prototype יכולה להתאים לארגון שלך?
אני מזמין אותך ליצור איתנו קשר ולתאם שיחה קצרה.
נשתמע,
אדר שומרון
מנכ"ל ביונד
ב "דברים מעניינים מהרשת" הבאנו שני מאמרים מאוד מעניינים:
המאמר הראשון מתייחס לכמות הפרטים שיש לתת למשתמש העיסקי, בסיום פרוייקט של אנליטיקה, על הדרך שהביאה לתוצאה. זהו נושא שעולה הרבה, כמובן, בכל פרוייקט טכנולוגי, שהספונסר שלו הוא עיסקי ולא מכיר את העולם הטכנולוגי. הבעיה מתחדדת כשמדובר בפרוייקט ML / AI, שיש בו גם מורכבויות טכנולוגיות וגם עומק תיאורטי-סטטיסטי רב. כותב המאמר ממליץ לתת כמה שפחות פרטים, אם בכלל, על הדרך שהובילה לתוצאה - ובעיקר להתמקד בתוצאה עצמה ובמשמעויות העיסקיות שלה.
המאמר השני עוסק ב-Data Lakehouse - מעין שילוב של התפיסה של Data Warehouse עם ה-Data Lake. המטרה, בסופו של דבר, היא לתת מענה לתפיסת Data Management ארגונית אחת אחודה, אשר במסגרתה פועלים הן ה-Data Engineers והן ה-Data Scientists. לטענת כותב המאמר, ההפרדה הקיימת היום בין שתי אוכלוסיות אלה וסביבות העבודה שלהן עולה כיום לארגונים בהמון זמן יקר שמתבזבז ובבעיות של חוסר תאימות בדאטה, והביזנס דורש פתרון לבעיות אלו.
מומלץ מאוד לקרוא!
כמו תמיד – נשמח לקבל פידבקים ושיתופים.
תהנו!
אדר שומרון
מנכ"ל ביונד
054-7722289
adar@biyond.co.il
|
